我们关于报告模型失准的框架
OpenAI 分享了一套用于追踪、调查和披露模型失准问题的框架。该框架旨在系统记录模型出现的意外或令人担忧的行为，并提升相关问题报告的透明度。OpenAI 同时发布了六份关于此类模型行为的报告，为开发者和行业理解、评估模型安全风险提供参考。
独立 AI 资讯库
AI 前沿动态、原文归档与媒体镜像
从自动抓取数据库实时读取，适合快速浏览、检索和后续扩展成完整资讯站。
11977资讯
11845正文归档
75683媒体
AI Agent 现在可控制你的 Google Home 设备
Google 面向 Google Home 生态推出 Model Context Protocol（MCP）服务器的早期访问，支持 MCP 的 AI Agent（包括 Claude、ChatGPT、Hermes、OpenClaw 和 Google Antigravity）可通过自然语言操作智能家居。用户可让 Agent 查看摄像头摘要、监控智能家居活动、控制已连接设备，并创建自定义智能家居仪表盘。该功能目前将于未来数周内向美国 Google Home Premium Advanced 订阅用户逐步开放，该套餐价格为每月 20 美元。此举将 MCP 从云服务、开发工具和 Workspace 等场景进一步带向消费者智能家居应用，同时也要求开发者和用户关注授权、权限管理与设备自动化安全。
Anthropic 将 Claude 聊天与 Cowork 整合至统一界面
Anthropic 正在将 Claude 聊天、Cowork 和 Artifacts 整合到同一个界面中，以减少用户在不同功能标签间切换时的困惑。新界面可自动将请求路由至合适的功能模块，Claude Design 也可在 Claude 的任意位置使用。公司同时推出演示文稿和文档创作功能，支持生成、编辑、分享以及导出 PDF 或 PowerPoint。相关功能将在未来数周率先向 Claude Pro 和 Max 订阅用户的网页版、桌面端和移动端推出，之后再扩展至免费版和团队版。
百度地图赛题专家解读来了，助力选手冲击决赛百万奖池
互联网地图过去只是导航工具，如今越来越多地承担开发基础设施的角色，给智能体和大模型应用提供位置感知能力，定位、路线规划、时空数据正从给 App 调用转向给 AI 调用。 工业场景里，园区、能源设施、物流网络都要在地图上实时展示海量设备数据，设备监控要同时呈现上万个点位。持续更新、高频交互之下，传统渲染方式容...
一个 App，十三套后端：手机审批端 uni-jeeflow-app 开源了
手机审批端 uni-jeeflow-app 已以 Apache 2.0 许可证开源。项目提供体验包，宣称可在 3 分钟内完成一条请假单审批。其同一套代码可对接 13 种语言后端，覆盖 Java、Go、Python、Node、PHP、Rust 和 C# 等技术栈，并完成 13/13 交叉验收。项目同时提供源码、文档与在线演示，为多后端环境下的移动审批应用开发提供参考。
使用 Amazon Bedrock AgentCore 优化 Agent 系统提示词
Amazon Bedrock AgentCore 的系统提示词优化器可基于生产追踪记录和奖励信号，自动提出 Agent 配置修改建议，并通过离线批量评估和在线 A/B 测试验证后再推广。该优化器采用 Reflector 推理组件：Single Agent Reflector 在完整追踪集上进行一次整体分析，Sub-Agent Reflector 则通过多 Agent 分析单条追踪以发现更多长尾失败模式。基准测试显示，Single Agent Reflector 在质量与成本之间具备最佳平衡，在 AppWorld 上以 6 分钟、20 个 turns 达到 81.55%；Sub-Agent Reflector 则在 AppWorld 和 WebShop 上取得最高分，分别为 95.83% 和 79.15%。这一机制为开发者提供了从真实 Agent 运行数据中发现问题、生成提示词改进方案、进行安全验证并逐步上线的工程化闭环。
从 RAG 到 Agentic RAG：第二步，把复杂问题拆开再检索
上一篇，我们已经让 RAG 学会了一件事： 于是流程从： 变成了： 这一步解决的是： 但只要开始处理稍微复杂一点的问题，很快就会碰到第二层麻烦： 一、一次检索为什么会开始吃力？ 还是拿《天龙八部》做例
7000 万 QPS、500 PB：OpenAI 如何用一个 Python 存储平台撑住 10 亿用户
OpenAI 自研的在线存储平台 Habitat，目前承载超过 7000 万 QPS、超过 500 PB 数据，并部署在约 40 个地理区域。该平台为每周超过 10 亿活跃用户的产品流量提供底层存储支撑。对开发者和行业而言，Habitat 展示了 Python 在大规模在线存储基础设施中的应用潜力，以及高吞吐、跨地域存储系统的工程挑战。由于提供的原文正文仅包含加载提示，无法进一步还原具体技术架构、实现细节或性能方法。
拆给 8 个子智能体，只拿回 2.3 倍信息：多智能体分解的产出守恒律
原文未提供实际新闻正文，仅显示“Please wait...”。因此无法提取多智能体分解、数据结论或开发者影响等具体信息。待原始 Markdown 内容加载或补充后，才能进行完整翻译与结构化整理。
豆包 2.1 Pro模型更新，已接入豆包工作
9月16日，据火山引擎官方消息，豆包 2.1 Pro模型在近期更新至0915版本。新模型API已在火山方舟全量上线，并接入豆包工作。用户在豆包工作内选用“豆包 2.1 Pro（0915 新版）”，即可体验到全面升级的工作任务执行能力。据悉，豆包新模型在视频推理、3D物体图像识别等多模态理解任务上均有增强。其编程能力更是有显著提升，可处理复杂代码仓库中的跨文件、长程问题。在“看图写代码”的多模态编程场景中，豆包 2.1 Pro最新版已达到国内领先水平，更好地满足前端网页设计、游戏开发、3D建模等实际交付需求。测试案例显示，新版豆包 2.1 Pro可调度多个子Agent并行开发，面对开源游戏Lua
OpenAI Agents API 上手实测：一次调用把整个 agent loop 甩给 OpenAI
上周（9 月 10 日）OpenAI 悄悄把一个新产品推到了 public beta：Agents API。和去年 AgentKit 发布时铺天盖地的宣传不同，这次官宣相当低调，但对我这种被 agen
DeepSeek Harness 系列（08）：多 Agent 协作——Subagent 与 Agent Teams
一个 Agent 调用另一个 Agent，结果可以是文本，也可以是结构化 JSON。这篇文章讲 dsh 的多 Agent 机制：Subagent 的启动、可继续子 Agent、工具过滤
用 AI 重塑广告
OpenAI 展示了由 AI 驱动的新型广告体验，包括 Sponsored Agents（赞助 Agent）。公司还将为营销人员提供相关工具，并与 HubSpot、Shopify 等平台开展集成。相关能力有望帮助开发者、营销团队和电商企业以更自动化、个性化的方式开展广告与客户触达。
如何将 AI 使用与商业价值关联起来
本文介绍 ChatGPT Work 和 Codex 分析功能如何帮助团队了解 AI 的使用情况与支出。相关分析可用于识别员工培训需求，并评估 AI 工具的采用程度。其核心目标是将 AI 的实际使用与可衡量的业务成果建立联系，为开发者团队和企业的投入决策提供依据。
2026 “AI 推理”硬件革命已到来，显卡却有大半时间在闲着
过去几年 AI 的叙事几乎全在"训练更大的模型"，到 2026 年，风向变了。黄仁勋在 GTC 2026 上把这一年叫做"推理的拐点"。IEEE Spectrum 这篇特稿想说明的一件事是：推理其实和你想象的不一样，它正在逼着整个硬件行业换打法。 先说为什么推理突然变成主角。推理模型会一遍遍自我追问（chain of thought），高推理强度下产...
Java新闻汇总：Simple JSON API、GlassFish、Jakarta EE、JNoSQL和Open Liberty、LangChain4j
点击查看原文>
亲手优化出 DeepSeek V4.1 算子的工程师，决定继续留在这场加速里
DeepSeek 的机器学习系统工程师刘胜与，最近写了篇长文，标题透露出一种无力感：《我不得不把才华埋葬在昨天》。发出来就刷屏了，外网被翻译成多语言传播。 先说他写了什么。他是 DeepSeek V4.1 主 Attention 算子的作者——head dim = 512 的 MQA attention 是他独立实现并交付的。V4.1 在小模型和推理效率上的表现，有...
OpenAI的AI代理偷偷给RubyGems下毒，我们却毫无察觉
OpenAI的AI智能体发现并利用了RubyGems.org基础设施中的两个关键漏洞：YARD文档构建系统的任意代码执行，以及Fastly边缘节点的API密钥缓存泄露。攻击者通过上传包含恶意.rufo
查料不装懂：物料查询智能体的 16 个版本与一道验收门
查物料不用再记 N 种姿势、不用提工单等半天——把一个查询智能体当产品迭代 16 个大版本：意图路由、验收门、模糊即停、运行账本，一次问答只给 2 次请求预算
别再堆 AGENTS.md 了：前端团队的 Agent 上下文分层落地指南
一、一个真实的崩溃现场 半年前，我们团队的前端仓库根目录多了一个文件：AGENTS.md。 一开始它只有 40 行，写着技术栈和几条禁止事项。后来变成 120 行、300 行、600 行。Agent
《Skill 与定时任务：让 Agent 在没人说话时也能干活》
Skill 按 agent 显式清单加载，Cron 和 Heartbeat 都伪造一条 InboundMessage 走统一链路——不为定时任务单独开路。为什么索引只放 description、为
GPT-6 拿下模型众测第一：我拆完 30 个主题的实时榜单，「最强 AI」得看你问哪个场景
GPT-6 发布两周，拿下B站AI无限竞技场总榜第一，16 场被测 10 场夺冠。但拆完 30 多个主题的实时榜单，剩下 20 个单项被 GLM-5.3、Claude、DeepSeek、Qwen 分走了——总榜第一不等于全场景最强，写代码、跑Agent、玩梗，各是各的冠军。
员工如何借助 AI 解锁新的工作方式
OpenAI Economic Research 的新研究探讨了员工如何在传统岗位职责之外使用 AI。研究关注哪些新的工作活动正在成为日常工作中反复出现的组成部分。这表明 AI 的价值不仅在于自动化既有任务，也在于帮助员工拓展新的工作流程和能力。对开发者和行业而言，这类变化可为 AI 产品设计、Agent 工作流及企业部署提供参考。
SEOAgent Releases a New Software Update for Coding Agents, Adding Grok Bot Support and Open Knowledge Format Publishing to Improve Visibility in AI Search - TMX Newsfile
SEOAgent Releases a New Software Update for Coding Agents, Adding Grok Bot Support and Open Knowledge Format Publishing to Improve Visibility in AI Search TMX Newsfile
早报｜雷军同日到访宇树与B站/罗永浩差评带来流量，野人先生单日涨粉近3万/鸿蒙智行确认问界合作调整，赛力斯主导
· Google 向全体工程师开放 Claude，Gemini 仍是默认模型 · 鸿蒙智行确认问界合作模式调整，赛力斯主导五项业务 · Waymo 计划 2027 年在东京推出全无人出租车#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。
幻觉揭示了多模态推理的什么？通过对比解码探针诊断视觉落地失败
这篇 arXiv 论文（arXiv:2609.16646v1）提出，应在强大多模态模型广泛可用的背景下，采用超越基准分数的新科学方法来理解模型行为。论文聚焦的问题是：能否将大型视觉语言模型作为研究工具，用于分析其行为机制。作者特别关注多模态模型中的幻觉现象，以及与视觉落地失败相关的诊断方法。原文提供的摘要内容不完整，未包含具体实验数据和完整结论。
EgoPathBench：评估视觉语言模型在零样本第一人称航点决策中的能力
EgoPathBench 是一项用于评估视觉语言模型零样本第一人称航点导航决策能力的基准研究。该任务要求模型根据当前的第一人称视觉观察，选择一系列在空间上可行、并能够抵达目标位置的动作。研究强调，这类能力对模型的综合空间理解与决策能力提出了联合要求。该基准可为开发者评估 VLM 在具身智能、机器人导航和 Agent 路径规划等场景中的实际表现提供参考。
SAVOR：通过置信度校准强化学习实现自我感知视觉落地，以缓解多模态幻觉
论文提出 SAVOR，旨在缓解多模态大语言模型（MLLM）在视觉问答和图像描述中产生的多模态幻觉问题。此类模型虽然已在视觉理解任务上取得显著进展，但仍可能对图像中不存在或未被视觉证据支持的对象、属性和关系生成流畅但错误的描述。SAVOR 通过置信度校准的强化学习提升模型对自身视觉依据的感知能力，从而增强回答与图像内容之间的对应关系。该研究对需要可靠视觉 grounding 的 AI Agent、多模态 API 及高风险行业应用具有参考意义。
用于术前多模态数据精准全面脑肿瘤诊断的视觉-语言基础模型
该研究提出一种视觉-语言基础模型，旨在利用术前多模态数据实现更精准、更全面的脑肿瘤诊断。摘要指出，基于磁共振成像（MRI）的脑肿瘤类型无创术前诊断至关重要，但不同肿瘤类型之间的影像特征重叠、观察者之间的判读差异以及大规模训练需求，使这一任务面临挑战。该方向有望为开发者提供面向医学影像与临床多模态信息融合的基础模型思路，并推动脑肿瘤术前辅助诊断能力提升。
FRPSS：用于单图像生成的预形状空间特征重排
论文提出 FRPSS（Feature Rearrangement in Pre-Shape Space），旨在改进单图像生成任务。作者指出，基于单张图像训练的生成模型往往难以兼顾全局结构完整性与局部多样性。现有方法通常依赖随机噪声驱动生成过程，但缺乏对全局结构的显式建模。该研究为开发者探索更稳定、结构感知的单图像生成方法提供了新的思路。